review Simulation ABB Revue ABB Les mathématiques, as de la simulation 11 Disjoncteur ultrarapide ABB 27 La robotique au top 61 Résilience sismique 77

Transcription

1 ABB review Les mathématiques, as de la simulation 11 Disjoncteur ultrarapide ABB 27 La robotique au top 61 Résilience sismique 77 Revue ABB 3 13 La revue technologique du Groupe ABB Simulation

2 Si ABB Review traite régulièrement de technologies déjà intégrées à notre offre de produits et de services, ou en passe de l être, ce numéro adopte un angle différent en s intéressant aux propres processus et outils de développement d ABB qui ont recours à la simulation numérique. Témoin de cette prodigieuse évolution, notre couverture illustre la simulation électrostatique d un disjoncteur haute tension... à des années lumière du simulateur CCHT analogique ci-dessous! 2 ABB review 3 13

3 Sommaire Simulation multiphysique Réalité prédite Simuler pour un monde meilleur Chaos bien ordonné Les mathématiques appliquées rationalisent produits et procédés industriels Couplages multiples Simulation Toolbox optimise les propriétés diélectriques et thermiques du matériel électrique Arrêt sur image La simulation numérique au programme de l industrie Énergie Élan d ouverture ABB simule un disjoncteur CCHT ultrarapide Plus vite que l éclair La simulation d arcs électriques dans les disjoncteurs Copie conforme Simulation électromagnétique des transformateurs Projet phare Un partenariat pilote pour consolider les réseaux électriques du futur Mouvement, pression et régulation De la mesure en toutes choses La simulation système et multiphysique améliore la précision et la robustesse des capteurs de process Avancée détonante Simuler la montée en pression dans les installations électriques Du virtuel au réel Robotique et automatisation industrielles à l ère du prototypage et de la mise en service virtuels Génie intégré De nouveaux algorithmes de simulation pour une intégration accrue des convertisseurs électroniques de fréquence Forme progressive Des polymères bien moulés grâce à la simulation numérique avancée Performances de pointe La simulation numérique améliore les performances sismiques et vibroacoustiques des équipements électriques Sommaire 3

4 Édito Simuler pour mieux produire Claes Rytoft Chers lecteurs, La simulation numérique est de plus en plus indissociable du développement de produits. Chaque nouvelle génération surclassant la précédente en matière de complexité et d optimisation, les ingénieurs ont tout à gagner d une compréhension approfondie des phénomènes physiques qui limitent la performance. Or les essais ne suffisent pas, au regard des contraintes de délai et des réalités économiques du marché. En permettant la comparaison avec des variantes de conception ou l exploration de nombreuses hypothèses, la simulation renforce la confiance dans la configuration choisie et garantit au client une solution optimale. Pour autant, la plus fine des simulations a peu d intérêt si sa marge de précision n est pas bien comprise par le destinataire de l information (qui n a pas été déçu par des prévisions météo par trop optimistes?). Tout en empruntant à un large éventail de domaines scientifiques, la simulation est devenue une discipline à part entière, avec son cortège d interrogations : le modèle sous-jacent décrit-il convenablement le phénomène simulé? Quelle finesse de maillage et de résolution temporelle assure des résultats suffisamment précis? Jusqu où pousser les simplifications? Notons au passage que la fiabilité des simulations est aujourd hui telle que des instances de normalisation, comme la CEI, en ont fait une alternative de test pour certains critères. Un enjeu important de la discipline est l interaction des différents phénomènes physiques, à savoir la simulation «multiphysique», comme l électromagnétisme, la thermodynamique, la dynamique des fluides et la mécanique dans un disjoncteur, par exemple. Ce numéro d ABB Review embrasse une grande variété d applications de simulation, des gros transformateurs aux composants électroniques embarqués, sur différentes échelles de temps : manœuvres ultrarapides du sectionneur, endurance des convertisseurs de puissance sur plusieurs décennies, subtile progression du moulage des résines époxydes et thermoplastiques, etc. Et qui dit simulation, dit virtualisation et, de proche en proche, dématérialisation d ABB Review. Le précédent numéro proposait à nos lecteurs d être avertis par courriel des dernières parutions ; dans la foulée, nous vous annonçons en page 83 une version sur tablette. Bonne lecture, Claes Rytoft Directeur des technologies Directeur général adjoint du Groupe ABB 4 ABB review 3 13

5 Éditorial 5

6 Réalité prédite La simulation au service d un monde meilleur Georg Schett, Marek Florkowski, Arthouros Iordanidis, Peter Lofgren, Piotr Saj La simulation numérique joue aujourd hui un rôle central dans la recherche-développement (R&D). Les progrès, tant en termes de puissance informatique que de techniques de calcul, ne cessent de repousser les limites de sa précision et de son champ d action, des analyses multiphysiques et études de systèmes aux procédés de fabrication et de production. La plupart des exemples applicatifs présentés dans ce numéro d ABB Review concerne le calcul de la distribution spatio-temporelle de grandeurs électromagnétiques, fluidiques et thermiques. En voici quelques principes sous-jacents. 6 ABB review 3 13

7 1 Exemples d outils et de domaines applicatifs de la simulation Dynamique des fluides & thermique Tenue diélectrique Vibrations Injection Effets magnétiques L e premier objectif d une simulation est d aider à comprendre les phénomènes à l œuvre au sein d un objet ou système physique réel pour en optimiser la conception 1. La simulation se déroule selon un cycle immuable 2 : tout commence par la mise en équations de l objet réel (sa «modélisation») et finit par la mise à profit des apports de la numérisation pour modifier et valider la conception. Nombreuses sont les méthodes de simulation : avec maillage (discrétisation géométrique) ; sans maillage ; études des systèmes et réseaux ; analyses des procédés de production, etc. Modélisation mathématique La modélisation constitue la première étape d une simulation numérique, au cours de laquelle le problème physique est traduit en équations mathématiques. La simulation ne permet de rendre compte que des phénomènes physiques Transformation des plastiques décrits par ces équations. Le défi de la modélisation mathématique est de trouver un compromis entre la complexité du système réel et la logique de développement nécessaire à la mise en œuvre du modèle dans la conception de produits. Parvenir à une description mathématique fidèle du phénomène étudié relève de la «physique théorique» (ou mathématique), discipline scientifique à la croisée de la physique et des mathématiques. Prétraitement La phase de prétraitement consiste en l élaboration de la géométrie des simu lations. C est une étape de simplification qui vise, d une part, à conserver les caractéristiques géométriques pertinentes et, d autre part, à construire un maillage adéquat ; à la géométrie réelle se substitue donc une géométrie «maillée». La réalisation d un maillage de qualité est l une des principales pierres d achoppement de la simulation industrielle. En effet, les géométries réelles y sont généralement très complexes et difficilement descriptibles par un maillage numérique. En outre, si le maillage créé est de piètre qualité, la convergence simula tion-réalité s en trouvera vraisemblablement compromise ou conduira à des solutions physiquement inexactes. Résolution Photo p. 6 La simulation joue un rôle crucial dans la conception et le développement de nouveaux produits, comme les dispositifs anti-effluves montés ici dans le hall d essais ultra haute tension d ABB à Ludvika (Suède). Les équations du modèle mathématique sont résolues numériquement sur le maillage. La méthode de discrétisation fait passer ces équations du domaine continu au domain discontinu ou «discret». Réseaux d énergie Chez ABB, les méthodes des éléments finis et des éléments de frontière sont couramment utilisées pour les calculs mécaniques et électromagnétiques, et celle des volumes finis, pour les calculs CFD de dynamique des fluides. Pour autant, de nombreux outils du commerce et scientifiques, basés sur d autres méthodes de discrétisation, y ont également cours. Tout comme il est fréquent de voir des grands groupes i ndustriels tels qu ABB développer leurs propres méthodes de calcul numérique et solveurs 1, adaptés à leurs besoins. Post-traitement Partie intégrante du processus de simulation, la phase de post-traitement consiste en la visualisation des résultats, habituellement sous la forme de contours 2D ou 3D illustrant la distribution de la grandeur physique calculée. Le comportement dynamique de l objet ou du processus simulé peut être visualisé à l aide d animations. Cette représentation spatiotemporelle facilite et agrémente l analyse des phénomènes physiques complexes intervenant dans les dispositifs réels. Toutefois, outre la visualisation de champs, les représentations de grandeurs sous forme de nuages de points et de moyennes spatio-temporelles sont essentielles car elles peuvent être directement comparées aux valeurs mesurées. La percée des technologies d imanote 1 Lire également «Couplages multiples», p. 16 et «Plus vite que l éclair», p. 34. Réalité prédite 7

8 2 Représentation schématique du cycle de simulation Conception Modélisation Validation Simulation industrielle Prétraitement Posttraitement Résolution gerie 3D a également ouvert de nouveaux horizons en matière de visualisation des données de calcul numérique. Validation La relative simplicité avec laquelle la simulation permet d appréhender en profondeur des phénomènes physiques complexes est également son talon d Achille. Les simulations peuvent en effet déboucher sur des résultats faux, sans rapport avec le phénonème physique réel, ou fournir de belles images aux données hélas inexactes ou trompeuses qui trouvent leurs origines aux différentes étapes du processus : modèle incorrect, géométrie simpliste, données matière imprécises, maillage ou solveur inadapté. Pour garantir l adéquation entre simulation numérique et réalité physique, une validation s impose. Cette ultime étape consiste généralement à confronter les résultats des calculs aux mesures expérimentales. Seul un petit nombre de paramètres est directement mesurable, ce qui complique le processus. La validation reste malgré tout une étape obligatoire qui garantit la puissance prédictive des simulations validées par opposition aux «simulations calibrées», pour lesquelles la validité des résultats est toujours sujette à caution, en dehors de la plage de calibrage. Conception L extraction des données tirées des simulations et les modifications apportées à la conception sur cette base viennent boucler le cycle de simulation. C est à ce stade que le formidable potentiel des simulations est exploité pour faciliter le développement produit ; elles affinent en effet la compréhension des phénomènes physiques étudiés et revêtent par là-même une importance majeure pour les concepteurs. Sans compter qu il est bien plus rapide d obtenir des résultats en simulation que de construire et de tester des prototypes. L un des grands avantages de la simulation réside dans la possibilité de réaliser des études paramétriques qui remplacent les coûteuses méthodes empiriques caractérisant les processus de conception classiques. La simulation au sein d ABB ABB, entreprise de technologie de premier plan, a introduit un grand nombre de simulations dans sa R&D. Les essais de court-circuit sur nos plus gros transformateurs élévateurs de tension en sont une bonne illustration. Il est capital que ce matériel puisse supporter les forces électromagnétiques résultant de forts courants de court-circuit. Compte tenu des niveaux d énergie en jeu, seules quelques installations dans le monde sont capables de tester ces appareils. Leur gigantisme, et les contraintes de transport qui en découlent, ajoutent à la difficulté. Il va sans dire que ces tests coûtent cher et demandent beaucoup de temps. On comprend alors que les récentes avancées en matière de simulation aient fait progresser la normalisation internationale (CEI ) et qu il soit désormais admis de recourir au calcul numérique pour tester la tenue au courtcircuit. Les simulations d arc dans les disjoncteurs sont un autre exemple des simulations de champs couplées. Celles-ci apportent un précieux éclairage sur les phénomènes physiques au cœur de ces appareils conçus pour supporter et interrompre des courants de court-circuit de plusieurs centaines de kiloampères en quelques dizaines de millisecondes. Les tester s avère non seulement coûteux et long, mais le nombre de paramètres mesurables est très limité. ABB peut effectuer des simulations couplées électromagnétique-fluidique-mécanique pour reproduire le comportement réel du disjoncteur en coupure 2. Grâce aux simulations, les concepteurs disposent d une vision complète des régimes d écoulement dans le disjoncteur. Ils peuvent mesurer la pression et la tension en tout point de l appareil et calculer les forces agissant sur les composants essentiels. C est une technique puissante qui per- 8 ABB review 3 13

9 Des simulations multiphysiques pointues et complexes dans les disjoncteurs, trans - formateurs, moteurs, variateurs, robots, réseaux électriques et bien d autres systèmes sont le quotidien d ABB. Nos experts du monde entier sont à pied d œuvre pour accélérer le développe - ment et limiter le recours aux essais coûteux. met de concevoir des disjoncteurs toujours plus fiables. Enfin, pour la quasitotalité des produits ABB, les ingénieurs sont confrontés à des problématiques de tension. Si, aux tensions les plus faibles, l isolation diélectrique peut être assurée par des règles de conception simples, en haute tension, il est pratiquement impossible de se passer de calculs de champ électrique en 2D et 3D, indispensables à nombre de processus de développement ABB. Le recours à ces outils permet de limiter les contraintes diélectriques sur les composants critiques et d éviter ainsi les claquages et les défaillances. Jusqu à une date récente, les études numériques étaient réalisées en effectuant une série de simulations, souvent en nombre limité, afin de déterminer les paramètres les plus pertinents. Aujourd hui, les progrès des techniques d optimisation et de la puissance de calcul permettent d obtenir les meilleures solutions en associant calculs de champ électrique et optimisation automatique. Ces perfectionnements, déjà intégrés aux outils de conception ABB tels que Simulation Toolbox 3, révèlent aujourd hui leur immense potentiel. L importance de la simulation et sa progression rapide dans la R&D ABB ont donné lieu, au sein du Groupe, à l organisation de conférences de portée mondiale sur le sujet afin de partager les expériences et les bonnes pratiques. Ce fut également l occasion pour ABB Notes 2 Lire «Plus vite que l éclair», p Lire «Couplages multiples», p. 16. d apprendre beaucoup des entreprises de premier plan du domaine, dans des filières comme l automobile, l aéronautique et les biens de consommation. Fort de ses compétences et des retours d expérience, ABB a poursuivi l optimisation de son environnement de simulation, dans quatre directions : Mise à disposition des outils de simulation essentiels à l ensemble de ses ingénieurs ; Mutualisation des ressources et plates-formes (clusters) pour les simulations d envergure, gourmandes en puissance de calcul ; Animation de forums virtuels de partage des meilleures pratiques ; Assistance aux équipes de développement les moins expérimentées. Aujourd hui, ABB peut sereinement affirmer son leadership dans la mise en œuvre de la simulation au service du développement des meilleurs produits pour ses clients. Ce numéro d ABB Review présente un large éventail d applications de simulation avancée, de l électro magnétisme dans les transformateurs à la mise en forme des plastiques. Tendances Les avancées en matière de simulation suivent les progrès du logiciel et du matériel, principalement au niveau de la puissance de traitement, du stockage et des communications. Là où il fallait hier des supercalculateurs ou des grappes de serveurs pour mener des simulations hyperpointues, aujourd hui, des ordinateurs de bureau très performants font de plus en plus souvent l affaire. La puissance des supercalculateurs se mesurera bientôt en exaflops (10 18 opérations à virgule flottante par seconde) tandis que celle d un ordinateur portable performant atteint d ores et déjà plusieurs téraflops (10 12 flops) : des prouesses difficilement imaginables il y a à peine une décennie! Dans le même temps, les nouveaux processeurs graphiques ont permis une fabuleuse évolution du post-traitement et de la visualisation des résultats, avec la possibilité d animations. Cette tendance se poursuit, comme l atteste, par exemple, l incroyable puissance de calcul des équipements mobiles actuels. L informatique en nuage (cloud computing) est peut-être balbutiante mais, dans un avenir proche, des simulations complexes pourront être lancées depuis des équipements bureautiques ou nomades pour être exécutées «quelque part dans le nuage». Le champ d action de la simulation est infini et va bien au-delà de la conception, de l étude des systèmes et de l optimisation de la production. On peut imaginer à brève échéance que des simulations sur site s appuyeront sur des services mobiles, que l optimisation multiphysique totale ment paramétrique sera possible, voire que des imprimantes 3D équipées de modules de simulation et d optimisation seront capables de recalculer à la volée des géométries d objet, avant impression. Georg Schett Power Products Beijing (Chine) georg.schett@cn.abb.com Marek Florkowski Piotr Saj ABB Corporate Research Cracovie (Pologne) marek.florkowski@pl.abb.com piotr.saj@pl.abb.com Arthouros Iordanidis ABB Corporate Research Baden-Dättwil (Suisse) arthouros.iordanidis@ch.abb.com Peter Lofgren ABB Corporate Research Västerås (Suède) peter.lofgren@se.abb.com Réalité prédite 9

10 10 ABB review 3 13

11 Chaos bien ordonné Les mathématiques appliquées pour mieux produire LUCA GHEZZI, ALDO SCIACCA Dans un monde de ressources finies mais aux contraintes quasi infinies, les mathématiques appliquées, au fondement de la modélisation et de la simulation numérique, apportent une description et une représentation précises et rationnelles d un problème, mais aussi des outils quantitatifs et qualitatifs de prédiction du comportement des systèmes complexes et de simulation des facteurs aléatoires et forces externes imprévisibles qui dégradent les performances. Elles sont également sources d économies, tant dans l industrie que dans des domaines opérationnels comme, par exemple, la logistique, la planification de la production et l organisation des forces de vente. Photo ci-contre Depuis plus de 70 ans, les mathématiques ont apporté des réponses optimales à des problèmes multivariables. Elles gagnent aujourd hui l industrie pour identifier les meilleures stratégies qui réduiront les coûts et doperont la production. Chaos bien ordonné 11

12 1 Représentation schématique d une chaîne de production simple sous forme de graphe dirigé W 1 q 1 y 1 Début W 2 q 1 q 3 W 5 Fin y 2 q 3 y 3 y 4 q 2 y 3 W 3 W 4 q 2 C omme souvent, la guerre favorise le progrès technique et scientifique : la recherche opérationnelle (RO) et son principal outil quantitatif d aide à la décision, la «programmation mathématique», ne sont-ils pas nés en pleine Seconde Guerre mondiale? Mais pour la bonne cause ; les mathématiques promettaient de sauver des vies par l implantation précise et optimale des tout premiers radars hors de prix qui devaient repérer et contrer les attaques aériennes ennemies. Encore fallait-il innover avec une méthode d optimisation d une fonction objectif qui maximise le territoire balayé par le radar, sans perdre de vue les contraintes physiques et économiques de l opération, et son intégralité ; impossible en effet d installer une partie de radar à Douvres et le reste quinze kilomètres plus loin, à Folkestone! Cette nouvelle discipline servait également à dimensionner et à constituer au mieux les convois de ravitaillement de l Atlantique nord. Le nombre de problématiques de décision complexe posées à la RO s est progressivement étoffé pour inclure, entre autres, l optimisation combinatoire soumise à des contraintes d égalités et d inégalités avec des variables continues ou discrètes. Les procédés industriels, les flux logistiques et les circuits commer- ciaux, de même que l ordonnancement et la plupart des fonctions des grandes entreprises fourmillent de situations complexes qui peuvent être rationalisées, simulées et optimisées par la RO. Fort en maths! La réponse mathématique à un problème de complexité combinatoire, multicritère et convexe consiste à minimiser une fonction objectif f(x,z) sous contraintes d égalités et d inégalités g(x,z)=0,h(x,z) 0, à l aide de variables réelles (continues) L art de la modélisation consiste à réduire des problèmes complexes à des formules mathématiques simples mais traitant tous les aspects de la problématique. et/ou entières (discrètes). La RO propose à cette fin des approches algorithmiques robustes, regroupées sous le vocable de «programmation mathématique», qui garantissent à l avance l existence et l unicité d une solution. Modéliser revient à réduire des problèmes complexes à des formules mathématiques les plus simples possibles mais capables d en traiter toute la quin- tessence. Prenons l exemple d une usine ; sa fonction objectif est traditionnellement le profit. C est une fonction linéaire des quantités de produits vendus et des coûts de production, lesquels dépendent linéairement des quantités produites 1. Le marché demande un minimum de produits réclamant un minimum de sous-produits, et ainsi de suite jusqu aux matières premières, chaque étape répercutant sa contrainte de quantité minimale sur la suivante. À chaque poste de travail, le temps-machine cumulé requis est contraint par le temps-machine disponible. Certains postes mobilisent des ressources humaines puisées dans des viviers de capacité finie (contraintes de spécialisation et de compétence) qui ajoutent des contraintes d inégalités. Des stocks tampons et entrepôts intermédiaires assurent des espaces de stockage dynamique dans lesquels on peut prélever ou ajouter des articles, en respectant des seuils inférieur (marge de sécurité avant rupture d approvisionnement) et supérieur (limite de capacité), et des critères de coût. L ensemble donne un programme mathématique convexe qui fournira la meilleure stratégie de gestion possible. Un large éventail de briques de base, assorties de milliers de variables et de contraintes linéaires, permettent de modéliser toute une chaîne de production, voire une usine, y compris les étapes sous-traitées. C est le cas de l usine de moteurs électriques ABB de Vittuone, en Italie. Théorie des graphes Dans notre exemple, un graphe permet de représenter et de visualiser de manière ordonnée et intuitive le problème à résoudre ; c est un outil essentiel de la 12 ABB review 3 13

13 2 Une approche simple mais efficace x Valeur (échelle arbitraire) Recettes prévues Coûts Profits Fréquence de récurrence (1 k) D 5 N 0 =n ln -2 h ,8 1,0 1,2 1,4 1,6 1,8 2,0 Nombre d employés Profits à l optimalité (x 10 7 ) 2a Calcul optimal des recettes prévues (courbe grise)/coûts (bleu)/ profits (bleu ciel) en fonction des effectifs 2b Propagation de variance sur les profits dans un échantillon de données (exemple) RO, tant pour trouver une solution que pour la formaliser en clair. La théorie des graphes décrit tous les systèmes arbitraires à l identique (circuits de distribution, machines de production, etc.), sous la forme d un réseau constitué de sommets ou «nœuds» reliés par des liens ou «arcs». En logistique, par exemple, les clients, points de transit, plates-formes de distribution, entrepôts et équipements de production constituent les nœuds du graphe, et les itinéraires acceptables, les arcs. S y ajoutent des contraintes de capacité en matière de transport, de manutention et de production. Le marché fixe des limites inférieures de distribution des marchandises (le reste étant stocké) et chaque chose a un coût. La formulation canonique de nombreux problèmes mathématiques d optimisation des réseaux et des flux équivaut au formalisme des graphes, dont les théorèmes aussi simples que puissants mènent directement à des solutions exactes, sans grands calculs. La méthode fut d ailleurs adoptée par ABB pour simuler une partie de son réseau logistique en Italie et en optimiser la gestion. Heuristique Hélas, calculer LA solution exacte prend souvent un temps démesuré. De même, l incertitude et la variabilité intrinsèques des données obligent à ménager une marge de sécurité. D où le choix, plus raisonnable, d un compromis «sousoptimal». Fondée sur différentes approches (suite de règles d amélioration ou imitation de l évolution physique, humaine ou biologique), l heuristique se définit comme une méthode de résolution des problèmes qui ne conduit pas forcément à l optimum mais à une approximation de la meilleure solution réalisable. L efficacité d une méthode heuristique emprunte parfois aux mathématiques pures. En l appliquant aux étapes du célèbre algorithme d Euclide pour calculer le plus grand commun diviseur (PGCD) de nombres entiers, on peut produire une suite de différents articles de même catégorie, tels que les produits à fabriquer dans un plan de production, pour essayer d en maximiser la répartition. Et ici, curieusement, plus l environnement est chaotique, mieux c est! Cette méthode, couplée à d autres heuristiques adaptatives basées sur des gammes de production et des recettes empiriques déduites des meilleures pratiques opérationnelles, est aujourd hui une composante de l ordonnanceur de ligne à court terme (une semaine) de l usine ABB de disjoncteurs à Dalmine, en Italie. La combinaison de ces différents outils en un système réactif et flexible, interagissant facilement avec Le calcul de LA solution exacte prend trop de temps. Dans bien des cas, on se contente d une solution «sousoptimale». Chaos bien ordonné 13

14 3 Simulation à événements discrets d une partie de chaîne de montage d interrupteurs F200 d ABB, à Santa Palomba (Italie) Simplifier un problème est toujours un bon départ ; prendre en compte la sensibilité des variables et les effets d ordre de grandeur facilite sa formulation. l intelligence humaine, constitue une «méta-heuristique» de résolution de la complexité et du chaos. Modélisation analytique exacte Simplifier un problème est toujours un bon départ. Appréhender la sensibilité des variables et les effets des ordres de grandeur aide aussi à le formuler. C est exactement ce qu il faut, par exemple, pour simuler des chiffres de vente ; une courbe de saturation des recettes, modélisant à la fois les conditions de marchés vierges et matures, peut être décrite par une équation différentielle avec quelques paramètres tirés des historiques disponibles. Couplée à une courbe de coûts liés à ces recettes, elle débouche sur un modèle analytique différentiable, assez simple à résoudre en boucle fermée, qui permet d identifier les profits et leurs valeurs maximales 2. Modèles stochastiques : le hasard fait bien les choses Nombreux sont les procédés à comporter des données d entrée incertaines, que l on formalise souvent à l aide d une fonction de densité de probabilité (FDP) décrivant, pour chacune, la probabilité d apparition de chaque valeur admissible. Les données de sortie sont donc naturellement non déterministes. Plusieurs méthodes décrivent cette imprévisibilité. La simulation de Monte-Carlo, très prisée pour sa puissance et son efficacité, construit la fonction FDP de sortie en exécutant une multitude (souvent un bon million) d entrées choisies au hasard, par l intermédiaire d un simulateur déterministe de type «boîte noire». Le taux de convergence asymptotique est indépendant du nombre d entrées, ce qui ne signifie pas pour autant que le temps de convergence soit le même, qu il y ait peu ou beaucoup de variables. Simple à comprendre et peu coûteuse à mettre en œuvre, la méthode pêche néanmoins par sa lenteur. Une autre solution récente consiste à étendre la FDP de sortie en une suite tronquée de fonctions élémentaires connues, des polynômes orthogonaux par exemple (d où l appellation de «chaos polynomial»). Cette orthogonalité polynomiale permet de déterminer rapidement les coefficients d expansion en seulement quelques simulations déterministes. Simulation à événements discrets Les méthodes quantitatives de haut niveau, telles que la programmation mathématique, aussi précieuses et stratégiques soient-elles, ne reflètent pas assez fidèlement le monde réel. Il faut leur ajouter les retards de livraison, les pannes machine et arrêts de maintenance, la planification des équipes et 14 ABB review 3 13

15 4 Repérage par code couleur de l utilisation des ressources matérielles et humaines après simulation à événements discrets Taux d utilisation (%) 4b Temps-opérateurs Taux d utilisation (%) % Inactivité % Activité % Remplissage % Vidage % Blocage amont/aval % En attente de tâche % Montage % En attente de montage % Panne % En attente de réparation 4a Temps-machines autres facteurs de complication qui plombent la production. La solution réside dans la simulation à événements discrets, réplique virtuelle du site (ou du réseau logistique, de l entrepôt, etc.) avec le cheminement des produits d un poste à l autre et l impact sur le procédé des interférences déterministes et stochastiques. Des outils du commerce permettent de retranscrire la réalité avec force détails et d exécuter différents scénarios pour optimiser la répartition des équipes, l affectation des tâches de production aux machines et leur ordonnancement, etc. Plusieurs usines ABB ont bénéficié de ce type de simulations qui fournissent des vues et animations interactives, comme en CAO, des opérateurs et transferts de pièces et produits d une machine à l autre 3. On obtient ainsi des tableaux de bord listant les temps-machines 4a et temps-opérateurs 4b, les temps d immobilisation (par suite de goulets d étranglement en amont ou en aval, entre autres) ou les demandes d intervention : une information indispensable à la juste allocation des ressources. Soutenir l effort Dans certains cas, une simulation ponctuelle suffit. Dans d autres, elle peut être intégrée en permanence au process. Reste qu une modélisation et une simulation efficaces ne sont guère possibles sans une constante validation empirique. Conditions indispensables à la réussite de ces techniques : un engagement fort des parties prenantes ainsi qu une collecte et une gestion des données bien structurées. Cette dernière représente un investissement qui va au-delà de la mise en œuvre d une solution informatique donnée, dont l apport est aussi tangible en l absence de simulations. Les simulations quantifient en amont les gisements d économies ou les actions de progrès, et permettent d améliorer les opérations sur le court, moyen et long terme. Mises en œuvre avec soin et talent, dans leur globalité, elles peuvent faire beaucoup progresser l entreprise. Luca Ghezzi Aldo Sciacca ABB LPED Milan (Italie) luca.ghezzi@it.abb.com aldo.sciacca@it.abb.com Chaos bien ordonné 15

16 Couplages multiples Simulation Toolbox optimise les propriétés diélectriques et thermiques du matériel électrique Andreas Blaszczyk, Jörg Ostrowski, Boguslaw Samul, Daniel Szary Confrontés aux exigences de compacité et de réduction des coûts, les concepteurs de matériel électrique se voient forcés d utiliser une isolation hybride gaz-solide et d optimiser la forme des électrodes pour maintenir la tension de tenue au-dessus des niveaux admissibles. De surcroît, des valeurs nominales de courant élevées peuvent être à l origine de problèmes de dissipation de chaleur qui nécessitent alors un système de refroidissement complexe, augmentant la taille et le coût des appareils. Leurs propriétés thermiques sont donc également primordiales. Si, dans ce domaine, les logiciels de simulation diélectrique et thermique constituent une aide précieuse, certaines analyses ne peuvent être réalisées avec les outils classiques, en particulier lors de l évaluation des décharges électriques et du couplage fluidique-électromagnétique. ABB apporte sa pierre à l édifice avec ses propres outils et procédures regroupés dans Simulation Toolbox. 16 ABB review 3 13

17 L atout maître de l approche par flux est sa performance. La création de Simulation Toolbox, dans les années 1990, répondait avant tout au besoin des concepteurs de simuler les propriétés diélectriques et thermiques complexes des matériels électriques sans faire appel à des experts de la simulation. Depuis, ABB n a eu de cesse de simplifier la tâche des utilisateurs, selon plusieurs axes : Les simulations sont directement intégrées aux logiciels de conception (CAO ou autres). La plupart des interactions avec l utilisateur se fait au sein même du système de conception d origine sans recourir à aucun outil tiers spécial ; Le temps d apprentissage est très court (quelques jours ou semaines selon la procédure) ; Photo Les logiciels de simulation du commerce ne sont pas assez puissants pour simuler le comportement thermique et électromagnétique de matériels électriques compacts. Les voici «musclés» par la plate-forme Simulation Toolbox d ABB. Les outils fournissent les réponses aux problèmes types dans un temps raisonnable ; Simulation Toolbox est utilisé par plus d une centaine d ingénieurs dans le monde pour exécuter plus de simulations par an. Les procédures sont constamment améliorées et actualisées par les chercheurs ABB et leurs partenaires universitaires ; L infrastructure matérielle et logicielle indispensable aux simulations avancées est disponible sur l intranet d ABB. Les développeurs n ont rien à investir. La première mise en œuvre de Simulation Toolbox, sur une grappe de serveurs (cluster) Beowulf sous Linux créé dans le cadre d un projet universitaire il y a plus de 10 ans [1], fut bien accueillie chez ABB. La plate-forme est aujourd hui utilisée par plus d une centaine d ingénieurs dans le monde qui lui soumettent plus de tâches de simulation par an. Elle a sa propre équipe de maintenance, également chargée de l assistance et de la formation. Méthode des éléments de frontière En général, la simulation de propriétés diélectriques commence par le calcul du champ électrostatique d une géométrie 3D complexe. Ce type de calcul, basé sur la résolution de l équation linéaire de Laplace, est proposé par de nombreux logiciels d électromagnétisme du commerce depuis les années Or une simulation vraiment efficace exige une modéli- Couplages multiples 17

18 1 Optimisation paramétrique des propriétés diélectriques d un appareillage à isolation gazeuse : architecture et exemple 2 Optimisation topologique des propriétés diélectriques d un composant à isolation gazeuse Rd135 Modèle régénéré & discrétisé Optimisation paramétrique Rd194 Paramétrages Paramétreur (ProEngineer) d215 Boucle d optimisation automatique Solveur (éléments frontière) Forme initiale développée par le concepteur, puis affinée par optimisation paramétrique Optimisation topologique Optimiseur Valeur objectif E maxi Forme créée automatiquement par le logiciel à partir du cylindre initial Dans le cadre d un récent projet de collaboration entre ABB et plusieurs universités européennes, une autre méthode d optimisation a été étudiée : l optimisation topologique. sation 3D très fine, clé de la qualité de conception globale. Au début de la décennie 1990, ABB a démontré l efficacité de la méthode des éléments de frontière pour résoudre des modèles très complexes et détaillés. Celle-ci compte aujourd hui parmi les premiers outils de Simulation Toolbox et est encore très utilisée par les ingénieurs d ABB [2]. Optimisation paramétrique Le gros avantage de Simulation Toolbox est son intégration inhérente aux systèmes CAO, couvrant la définition des conditions aux limites, les propriétés des matériaux et le maillage. Contrairement à la simulation par éléments finis, le maillage du volume extérieur est inutile. Toutes ces qualités ont permis de construire de manière totalement automatisée des modèles discrétisés («maillés») et d inaugurer un nouveau domaine de la conception diélectrique avancée : l optimisation paramétrique 1. Développée avec un partenaire universitaire [3], celle-ci exécute automatiquement et systématiquement plusieurs centaines de calculs 3D complexes. En général, un concepteur qui soumet à Simulation Toolbox un modèle CAO/ProEngineer préparé récupère en quelques heures une géométrie optimisée ou une série de résultats pour un ensemble prédéfini de paramètres géométriques. Optimisation topologique Dans le cadre d un récent projet de collaboration entre ABB et plusieurs universités européennes, une autre méthode d optimisation a été étudiée : l optimisa- tion topologique [3]. Il s agit d un outil numérique basé sur une formulation du «problème contigu» qui fournit les valeurs de gradient utilisées par l optimiseur pour modifier les coordonnées des nœuds du maillage. À la différence de la méthode paramétrique, l optimisation topo logique n a pas besoin de spécifier les paramètres géométriques. Au lieu de cela, l algorithme numérique crée une nouvelle forme, allégeant considérablement la tâche des concepteurs lors de la préparation de la géométrie initiale. Dans l exemple 2, un simple cylindre sert de point de départ ; l optimiseur topologique le convertit en une nouvelle forme très proche du résultat obtenu avec l optimisation paramétrique. La méthode nécessite encore quelques travaux de recherche mais cette composante de Simulation Toolbox peut être mise à la disposition des ingénieurs ABB immédiatement, bien avant que la solution ne soit proposée par les outils du commerce. Étude des propriétés diélectriques de différents matériels électriques Prédire la tension de tenue d un matériel électrique compte parmi les plus grandes difficultés rencontrées par les ingénieurs de conception. En effet, connaître l intensité de champ maximale pour prédire l efficacité de l isolant dans des structures complexes comportant barrières isolantes et électrodes enrobées d un diélectrique solide ne suffit pas. 18 ABB review 3 13

19 3 Exemple d évaluation du parcours d une décharge le long du support d une borne de sortie d un transformateur de puissance Décharge 3a Distribution de potentiel 3b Distribution de l intensité de champ Une simulation vraiment efficace exige une très fine modélisation 3D, clé de la qualité de conception globale. 4 Exemple d évaluation du trajet d une décharge dans un appareillage MT isolé dans l air (isolant hybride) Lignes de champ Distance dans l air 4a Vue générale des bornes 4b Lignes de champ pour l évaluation de la tension de formation et du canal streamer dans la distance dans l air entre le point de formation et la phase voisine Il est impératif de bien définir le type de décharge électrique (filaments ionisés streamers ou traceur leader) susceptible de se former aux points critiques. Même en cas de décharge de type streamer, un système d isolation bien conçu doit garantir l extinction de la décharge pendant sa propagation inter-électrodes et un risque de claquage suffisamment faible pour réussir les essais diélectriques de type. Il est possible de simuler la distribution de potentiel d une décharge le long d un support de borne de sortie de transformateur 3, ce qui permet au concepteur de s assurer que les contraintes cumulées se situent dans la plage admise par ABB. De même, on peut calculer les lignes de champ d une borne d élément d appareillage moyenne tension (MT), qui serviront à évaluer la tension de formation d un streamer pour lequel le nombre d électrons produits par le mécanisme d avalanche suffit à créer une tête de streamer qui s autopropage 4. En cas de décharge, un nouveau dimensionnement doit se baser sur la distance dans l air entre son point de formation et l électrode voisine ; le concepteur veillera à ce que l intensité de champ moyenne le long de cette distance soit inférieure au champ de stabi- lité du streamer déterminé par empirisme pour l impulsion positive dans l air [4]. Simulations électrothermiques Simuler les échauffements au sein d un matériel électrique n est pas chose aisée. Les conducteurs chauffent du fait des pertes induites par les courants résistifs et inductifs ; ils refroidissent par convection et rayonnement, alors que les échanges thermiques se font par conduction. Ainsi, la simulation doit tenir compte des interactions entre plusieurs physiques (électromagnétisme, dynamique des fluides et rayonnement), qui sont déjà difficiles à simuler séparément! En électromagnétisme, si les courants résistifs dominent, des phénomènes inductifs comme les effets de peau et de proximité doivent être pris en compte. Le refroidissement convectif turbulent continue de poser des problèmes en calcul numérique des écoulements CFD, tout particulièrement pour la convection naturelle, ce qui explique que différentes méthodes de calcul ont été développées pour les simulations électrothermiques. Calculs électromagnétiquesfluidiques couplés Un traitement numérique rigoureux du problème de simulation électrothermique est basé sur la technique du couplage Couplages multiples 19

20 Simulation Toolbox répond au besoin des concepteurs de simuler des propriétés diélectriques et thermiques complexes dans le matériel électrique, sans être expert de la simulation. 5 Couplage électrothermique : la distribution des pertes est calculée par le solveur électromagnétique et transmise au solveur fluidique qui en déduit la distribution de température. Solveur électromagnétique Courants résistifs et inductifs Distribution de température Distribution des pertes Solveur fluidique Convection, écoulement, conduction, rayonnement 6 Calcul électromagnétique-thermique couplé d un système de jeu de barres BT 6a Distribution de courant calculée par le solveur électromagnétique «maison» [5] (sens de circulation du courant indiqué par les flèches rouges) 6b Distribution de température calculée par Ansys/Fluent «bidirectionnel faible» d un solveur électromagnétique avec un solveur CFD 5. Tous ces phénomènes physiques peuvent être traités par la méthode bien connue des éléments finis pour simuler le champ électromagnétique [5] et la méthode des volumes finis pour simuler la dynamique des écoulements avec des codes commerciaux comme Ansys/ Fluent. Un couplage bidirectionnel s impose si la dépendance en température des paramètres du matériau électromagnétique doit être prise en compte. Si celle-ci est négligeable ou si la température approximative est connue d avance, les paramètres du matériau peuvent alors être anticipés et une cartographie unidirectionnelle de la distribution des pertes suffit. Cette méthode de calcul est avantageuse si les effets inductifs jouent un rôle important ou si la distribution de température fait apparaître des points chauds localisés. Dans ce cas, la distribution des pertes et celle de température doivent fait l objet d une résolution spa- tiale. Un exemple est illustré par le système de jeu de barres de courants forts, partie intégrante d un appareillage BT 6. La distribution des pertes est fortement influencée par les effets de peau et de proximité dans les barres 6a. Pour autant, ce couplage électrothermique rigoureux et localement précis est une procédure complexe et fastidieuse car la géométrie doit être maillée et calculée avec deux solveurs couplés différents. Mieux vaut donc choisir une méthode de calcul plus simple dans le cas de conceptions moins contraignantes. Flux thermiques et de pression L approche par flux est une séduisante alternative à la complexité du couplage électrothermique [6]. L idée est de substituer aux composants géométriques des modèles de flux abstraits qui incluent les formulations thermodynamiques et électromagnétiques valables pour une partie spécifique de l appareil. La figure 7 montre un exemple de modèle représen- 20 ABB review 3 13

21 7 Approche par flux appliquée aux simulations thermiques des transformateurs Écoulement Poussée hydrostatique Phénomènes physiques (modèle de flux) Convection Convection Modèle de caloduc de bobine Calcul CFD (Ansys/Fluent) d un caloduc Frottement Rayonnement 7a Développement des modèles de flux intégrés validés par calculs CFD Le modèle de caloduc est appliqué à un flux créé par le système de conception de transformateur. Transformateur tant un caloduc de bobine de transformateur. Sa topologie interne inclut très peu d éléments de flux responsables de la modélisation des phénomènes physiques survenant dans le caloduc : transfert de chaleur par les couches limites thermiques (convection forcée), écoulement, frottement, convection naturelle et rayonnement. Les modèles élémentaires sont validés par calculs CFD avancés et intégrés dans des composants de flux prêts à l emploi. Ceux-ci peuvent être utilisés par les développeurs de systèmes de conception de transformateurs pour créer le modèle de transformateur complet qui calculera les valeurs d échauffement des enroulements [7]. La précision de ces calculs de flux (quelques Kelvin) est acceptable. L erreur est largement imputable à des incertitudes dans les données d entrée et les tolérances de fabrication et de mesure plutôt qu aux simplifications du modèle de flux. L atout majeur de cette approche est sa performance ; en effet, la vitesse de calcul (quelques millisecondes à une poignée de secondes) permet l intégration dans Flux complets créés automatiquement Échauffements maxi (K) Ckt BT Ckt HT Affichage des résultats 7b Application des modèles de flux intégrés à un système de conception de transformateur pour calculer l échauffement des enroulements des systèmes de conception interactifs et l utilisation d algorithmes d optimisation qui exigent plusieurs centaines, voire milliers de calculs pour concevoir un transformateur. Synergies d avenir Les simulations des propriétés diélectriques et thermiques de la plate-forme Simulation Toolbox font désormais partie intégrante de la boîte à outils des concepteurs. En jetant les ponts entre, d une part, le développement produits et, d autre part, la recherche ABB et universitaire, cette plate-forme garantit l utilisation des technologies les plus pointues dans la conception du matériel électrique ABB. Andreas Blaszczyk Jörg Ostrowski ABB Corporate Research Baden-Dätwill (Suisse) andreas.blaszczyk@ch.abb.com joerg.ostrowski@ch.abb.com Boguslaw Samul Daniel Szary ABB Corporate Research Cracovie (Pologne) boguslaw.samul@pl.abb.com daniel.szary@pl.abb.com Bibliographie [1] Blaszczyk, A., et al., «Tout bénéfice!», Revue ABB, 1/2002, p [2] De Kock, N., et al., «Application of 3-D boundary element method in the design of EHV GIS components», IEEE Electrical Insulation Magazine, vol. 14, n 3, p , mai/juin [3] 7 e programme-cadre de recherche de l Union européenne (UE FP7), Action Marie Curie, Projet IAPP CASOPT, «Controlled Componentand Assembly-Level Optimization of Industrial Devices», ABB Corporate Research, université technique de Graz, université technique de Munich, université de Cambridge, [4] Pedersen, A., et al., «Streamer inception and propagation models for designing air-insulated power devices», IEEE Conference on Electrical Insulation and Dielectric Phenomena, Virginia Beach (États-Unis), octobre [5] Hiptmair, R., et al., «A robust Maxwell Formulation for All Frequencies», IEEE Trans. Magn., vol. 44, n 6, p , juin [6] Blaszczyk, A., et al., «Convergence behavior of coupled pressure and thermal networks», SCEE Conference (Scientific Computing in Electrical Engineering), Zurich (Suisse), 2012, à paraître dans COMPEL Journal [7] Morelli, E., et al., «Network-based cooling models for dry transformers», ARWtr Conference, Baiona (Espagne), Couplages multiples 21

22 Arrêt sur image La simulation numérique au programme de l industrie Bartosz Dobrzelecki, Oliver Fritz, Peter Lofgren, JÖrg Ostrowski, Ola Widlund L une des grandes vertus de la simulation sur ordinateur est sa capacité à résoudre des problèmes industriels complexes pour concevoir mieux, plus vite et relativement moins cher. Le domaine continue d évoluer avec les progrès du calcul scientifique, de l architecture informatique et du traitement parallèle de l information : beaucoup de logiciels de simulation mobilisent en effet des dizaines de «cœurs» pour résoudre des problèmes volumineux et complexes avec une précision accrue, dans des temps raisonnables. Les outils du commerce et ceux développés par ABB sont de plus en plus relayés par les logiciels libres (open source). Quelles infrastructures et technologies se cachent derrière ces avancées au service de l industrie? 22 ABB review 3 13

23 1 Présent et avenir des architectures de calcul haute performance (HP) et de simulation numérique avancée Traitement par lots soumis à une ressource de calcul locale Cluster de calcul départemental Cluster de calcul dynamique dans le cloud Poste de calcul HP GPGPU Réseau local Pologne Déport vers un cluster central en cas de pénurie de ressources Tâches soumises directement au cloud Traitement par lots soumis à une ressource de calcul de l entreprise Réseau local Suisse Réseau central de l entreprise Extension du cloud en cas de pics de charge Cluster HP de l entreprise Réseau local Suède Session de travail distante Station de travail partagée Nœud de traitement graphique Session de visualisation distante Configuration actuelle et perspectives d évolution Souvent plus rapide, moins chère, plus précise et mieux pourvue en outils aptes à résoudre la complexité industrielle que le prototypage physique, la simulation est aujourd hui au centre de l innovation produit ABB. Décryptage. Un écosystème voué au calcul Le calcul intensif, ou calcul «à haute performance» (HP), est l arme stratégique de la simulation numérique. C est pourquoi ABB a investi au fil des ans dans ses propres clusters (ordinateurs répartis) et dispose aujourd hui en interne de ressources dédiées au calcul HP. Si ces lourds systèmes permettent de simuler les produits les plus complexes, ce ne sont pas les seuls outils au service des spécialistes du domaine. La démocratisation du calcul scientifique et la révolution de l informatique «multicœur» ont mis le parallélisme à la portée des bureaux d études. Beaucoup de simu la tions sont aujourd hui effectuées sur d énormes postes ou «supercalculateurs». Si cette technologie de rupture a semblé un temps s imposer avec l émergence des accélérateurs graphiques GPU (Graphics Processing Unit) dédiés au calcul HP, elle doit encore faire ses preuves sur le terrain industriel. D autres plates-formes de calcul intensif fleurissent avec le potentiel de remodeler l infrastructure de simulation : ce sont les centres de données (datacenters) accessibles à un large public, en libre-service payé à l usage, piliers de l informatique externalisée dite «en nuage», ou cloud computing. Pour autant, ces outils généralistes se prêtent mal à la charge de calcul des simula tions qui nécessitent souvent des solutions réseau spécialisées à large bande passante et faible latence, même Le calcul haute performance est l arme stratégique de la simulation numérique. ABB a donc investi dans ses propres clusters. si certains hébergeurs de services cloud adaptent des parties de leurs datacenters aux exigences du calcul intensif. Les premières études comparatives d offres cloud réalisées par ABB révèlent que les applications de traitement parallèle à mémoire distribuée et petit volume d échanges offrent des performances satisfaisantes. D après les projections de coûts basées sur des historiques d usage extraits du système de calcul HP d ABB, la migration de charges ciblées dans le «nuage» pourrait réduire de moitié le coût total de possession de l infrastructure. Mais le cloud continue d inquiéter les entreprises ; la principale interrogation concerne la sécurité. Il reste beaucoup à faire avant que les industriels et leurs clients confient leurs données à une infrastructure de stockage et de traitement délocalisée échappant à leur contrôle. À court terme, un centre de calcul HP s annonce comme la solution la plus performante et économique, qui pourrait d ailleurs s enrichir de clusters plus petits, dans chaque service de l entreprise. Le synoptique 1 préfigure l architecture matérielle de la simulation numérique : des stations de travail dopées par des processeurs graphiques de calculs génériques GPGPU (General-Purpose GPU) cohabiteront avec une configuration plus dynamique qui permettra de résorber les pics d activité et le déficit de moyens internes en déportant une partie de la charge vers les postes de calcul de l entreprise et en Photo p. 22 La puissance de calcul ne cesse d évoluer, tout comme les outils de simulation qui permettent de développer de nouveaux produits. Arrêt sur image 23